KR101361644B1 - 영상 처리 장치 및 영상 내의 안개 제거 방법 - Google Patents

영상 처리 장치 및 영상 내의 안개 제거 방법 Download PDF

Info

Publication number
KR101361644B1
KR101361644B1 KR1020120084271A KR20120084271A KR101361644B1 KR 101361644 B1 KR101361644 B1 KR 101361644B1 KR 1020120084271 A KR1020120084271 A KR 1020120084271A KR 20120084271 A KR20120084271 A KR 20120084271A KR 101361644 B1 KR101361644 B1 KR 101361644B1
Authority
KR
South Korea
Prior art keywords
fog
value
image
input image
minimum
Prior art date
Application number
KR1020120084271A
Other languages
English (en)
Other versions
KR20140017776A (ko
Inventor
김민재
Original Assignee
엠텍비젼 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엠텍비젼 주식회사 filed Critical 엠텍비젼 주식회사
Priority to KR1020120084271A priority Critical patent/KR101361644B1/ko
Publication of KR20140017776A publication Critical patent/KR20140017776A/ko
Application granted granted Critical
Publication of KR101361644B1 publication Critical patent/KR101361644B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

영상 처리 장치 및 영상 내의 안개 제거 방법이 개시된다. 영상 처리 장치는, 안개 성분이 포함된 입력 영상에 상응하는 다크 채널 프라이어를 생성하는 안개 검출 유닛; 상기 다크 채널 프라이어를 이용하여 미리 지정된 기준에 따른 안개값을 산출하고, 상기 산출된 안개값을 기초로 상기 입력 영상에 포함된 안개 성분을 제거하기 위한 전달량을 산출하며, 상기 안개값 및 상기 전달량을 이용하여 상기 입력 영상에서 안개 성분이 제거된 복원 영상을 생성하는 안개 제거 유닛; 및 MBHEPL 알고리즘을 이용하여 상기 복원 영상에 대한 콘트라스트를 재설정 처리하는 콘트라스트 개선 유닛을 포함한다.

Description

영상 처리 장치 및 영상 내의 안개 제거 방법{Image processing device and image defogging method}
본 발명은 영상 처리 장치 및 영상 내의 안개 제거 방법에 관한 것이다.
야외에서 촬영된 영상은 안개 등의 원인으로 인해 품질이 저하되는 경우가 많으며, 이러한 영상 품질 저하를 방지하기 위해 안개 처리(defog) 기능과 같은 영상 처리 기법이 개발되고 있다.
즉, 영상 처리에서의 안개 처리 기능은 차량용 카메라(automotive camera), 감시용 카메라(Surveilance Camera) 등의 ISP(Image Signal Processor)에서 중요한 기술로 부각 되고 있다.
이러한 안개 처리 기능이 적용되면, 안개 낀 날과 같이 시야 확보가 힘든 상황에서 영상을 통한 감시 거리 확보가 가능하고, 보행자나 다른 차량과의 충돌 사고 방지가 가능한 장점을 가진다. 이외에도, 다양한 날씨에 대한 강인한 인식 성능의 확보가 가능해질 수 있다.
종래기술에 따른 안개 처리 기능(즉, 영상 내의 안개 제거 방법)은 여러 장의 영상을 이용하는 방법, 추가적인 정보를 활용하여 한 장의 영상을 이용하는 방법 등으로 다양하다.
먼저, 여러 장의 영상을 이용하는 안개 제거 방법은 같은 위치 및 각각 다른 날씨 환경 아래 촬영한 여러 장의 영상을 이용하여 안개 정보를 획득하여 안개를 제거하는 방법이다. 즉, 동일한 위치에서 촬영된 여러 장의 영상일지라도 안개 값이 존재하면 각 영상은 서로 다른 밝기를 가지게 되므로, 서로 다른 밝기를 가지는 두 영상에서 안개 값을 구하고, 구해진 안개 값을 이용하여 안개의 깊이 정보를 구하여 안개를 제거하는 방법이다.
다음으로, 입력 영상 외에 추가적인 입력 정보를 이용하여 안개를 제거하는 방법은 카메라에 내장된 GPS 정보를 이용하여 촬영하는 영상의 깊이(depth)나 텍스쳐 정보를 획득하며, 획득된 정보는 안개 값의 농도(밀도)로 가정하여, 영상의 안개를 제거하는 방법이다.
전술한 방법들은 여러 장의 영상을 이용하는 안개 제거 방법, 또는 추가적인 정보를 활용하여 한 장의 영상만으로 안개를 제거하는 방법에 대한 것이다.
최근에는 추가적인 정보를 활용하지 않더라도 한 장의 영상만을 이용하여 안개를 제거하는 방법에 대한 연구가 진행되고 있다. 일반적으로, 안개를 제거하기 위해 한 장의 영상만을 이용하는 경우에는 모르는 정보가 많기 때문에 추가적인 가정이나 제한 조건이 요구되고, 이러한 가정이나 제한 조건을 충족 시키는 방법을 이용하여 영상의 안개를 제거하고 복원하는 영상처리 기법에 대한 연구가 진행되고 있다.
이와 같이 추가 정보없이 한 장의 영상만을 이용하여 안개를 제거하기 위해 하기 수학식 1에 제시된 광학 모델이 주로 사용된다.
Figure 112012061511843-pat00001
여기서, I(u,v)는 카메라를 통해 획득되어 안개가 포함된 입력 영상, R(u,v)는 안개가 제거된 상태를 나타내는 장면 래디언스(scene radiance)로서 복원 영상, A는 입력 영상의 안개값(Air light), e- kd (u,v)는 입력 영상의 각 화소에 대응하여 산출된 전달량(transmission)으로 이루어진 전달맵으로 입력 영상에서 장면 래디언스와 안개값이 어느 정도 비율로 이루어져 있는지를 나타낸다.
수학식 1과 같은 광학 모델은 영상의 R, G, B 컬러 채널에 대하여 각각 표현되며, 이를 사용한 입력영상의 안개 제거는 안개가 포함된 입력영상 I(u,v)로부터 안개값 A 및 전달맵 e- kd (u,v)를 산출하고, 이를 이용하여 최종적으로 R(u,v)를 복원하는 것이다.
이제까지 설명된 종래기술에 따른 안개 제거 방법은 복수의 영상을 요구하거나, 한 장의 영상을 이용할 때 추가적인 정보를 요구하거나, 매우 큰 행렬을 사용하여 연산 속도나 메모리 사용 측면에서 비효율적인 문제점이 있었다.
본 발명은 한 장의 영상만을 이용하여 보다 간단한 방법으로 안개 제거가 가능하며, 보다 선명한 결과 영상을 제공할 수 있는 영상 처리 장치 및 영상 내의 안개 제거 방법을 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 영상 처리 장치에 있어서, 안개 성분이 포함된 입력 영상에 상응하는 다크 채널 프라이어(dark channel prior)를 생성하는 안개 검출 유닛; 상기 다크 채널 프라이어를 이용하여 미리 지정된 기준에 따른 안개값을 산출하고, 상기 산출된 안개값을 기초로 상기 입력 영상에 포함된 안개 성분을 제거하기 위한 전달량(transmission)을 산출하며, 상기 안개값 및 상기 전달량을 이용하여 상기 입력 영상에서 안개 성분이 제거된 복원 영상을 생성하는 안개 제거 유닛; 및 MBHEPL 알고리즘을 이용하여 상기 복원 영상에 대한 콘트라스트를 재설정 처리하는 콘트라스트 개선 유닛을 포함하는 영상 처리 장치가 제공된다.
상기 전달량은 수학식
Figure 112012061511843-pat00002
에 의해 산출되되, 상기 t는 전달량을 나타내고, p는 전달량의 가중치이며, Ac는 입력 영상의 각 채널에서의 안개값이고, fog_est는 입력 영상의 최소 필터(min filter) 값(w)과 상기 최소 필터값에 중간값 필터(median filter)를 적용한 결과값(w*) 중 최소값일 수 있다.
상기 fog_est는 수학식
Figure 112012061511843-pat00003
에 의해 산출될 수 있다.
상기 안개 제거 유닛은 RGB 색공간에서 상기 입력 영상에 대한 안개 성분 제거를 수행하고, 상기 콘트라스트 개선 유닛은 HSL 색공간에서 상기 입력 영상에 대한 콘트라스트 재설정을 수행할 수 있다.
상기 안개 검출 유닛은 생성된 다크 채널 프라이어에 대한 누적확률분포(CDF, Cumulative Distribution Function)를 산출하고, 누적확률분포가 픽셀의 밝기값 0 내지 64의 범위에 적어도 90%가 존재하는 경우 안개 성분이 포함되지 않은 입력 영상인 것으로 판단할 수 있다.
본 발명의 다른 측면에 따르면, 영상 처리 장치에서 수행되는 영상 내의 안개 제거 방법에 있어서, 안개 성분이 포함된 입력 영상에 상응하는 다크 채널 프라이어(dark channel prior)를 생성하는 단계 (a); 상기 다크 채널 프라이어를 이용하여 미리 지정된 기준에 따른 안개값과 상기 입력 영상에 포함된 안개 성분을 제거하기 위한 전달량(transmission)을 각각 산출하는 단계 (b); 상기 안개값 및 상기 전달량을 이용하여 상기 입력 영상에서 안개 성분이 제거된 복원 영상을 생성하는 단계 (c); 및 MBHEPL 알고리즘을 이용하여 상기 복원 영상에 대한 콘트라스트를 재설정 처리하는 단계 (d)를 포함하는 영상 내의 안개 제거 방법이 제공된다.
상기 전달량은 수학식
Figure 112012061511843-pat00004
에 의해 산출되되, 상기 t는 전달량을 나타내고, p는 전달량의 가중치이며, Ac는 입력 영상의 각 채널에서의 안개값이고, fog_est는 입력 영상의 최소 필터(min filter) 값(w)과 상기 최소 필터값에 중간값 필터(median filter)를 적용한 결과값(w*) 중 최소값일 수 있다.
상기 fog_est는 수학식
Figure 112012061511843-pat00005
에 의해 산출될 수 있다.
상기 단계 (b) 및 (c)는 RGB 색공간에서 수행되고, 상기 단계 (d)는 HSL 색공간에서 수행될 수 있다.
상기 다크 채널 프라이어에 대한 누적확률분포(CDF, Cumulative Distribution Function)를 산출하고, 누적확률분포가 픽셀의 밝기값 0 내지 64의 범위에 적어도 90%가 존재하는 조건을 만족하는지 판단하는 단계가 상기 단계 (b)에 선행하여 수행될 수 있고, 상기 조건을 만족하지 않는 경우에만 상기 단계 (b) 및 (c)가 수행되도록 구현될 수도 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시예에 따르면, 한 장의 영상만을 이용하여 보다 간단한 방법으로 안개 제거가 가능하며, 보다 선명한 결과 영상을 제공할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 안개 제거 기능을 수행하는 영상 처리 장치의 구성을 개략적으로 나타낸 도면.
도 2 및 도 3은 본 발명의 일 실시예에 따른 다크 채널 이미지(Dark Channel Image) 생성 과정을 나타낸 도면.
도 4는 본 발명의 일 실시예에 따른 입력 영상과 다크 채널 이미지를 대비한 도면.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 안개가 포함된 영상(Haze Image)와 다크 채널 이미지를 대비한 도면.
도 6은 종래기술에 따른 전달량(transmission) 추정 결과를 도시한 도면.
도 7은 종래기술에 따른 비최적화된 전달맵을 이용한 안개 제거 결과를 나타낸 도면.
도 8은 본 발명의 일 실시예에 따른 비최적화된 전달맵을 이용한 안개 제거 결과를 나타낸 도면.
도 9는 종래기술에 따른 안개 제거 결과와 본 발명의 일 실시예에 따른 안개 제거 결과를 대비한 도면.
도 10은 본 발명의 일 실시예에 따른 장면 래디언스(scene radiance)를 생성하기 위한 입력 영상과 전달맵을 나타낸 도면.
도 11은 본 발명의 일 실시예에 따른 MBHEPL 알고리즘을 적용한 결과의 히스토그램을 나타낸 도면.
도 12는 본 발명의 일 실시예에 따른 히스토그램 재설정 과정을 나타낸 도면.
도 13은 본 발명의 일 실시예에 따른 안개 제거 방법을 적용한 경우의 입력 영상과 복원 영상을 나타낸 도면.
도 14는 본 발명의 일 실시예에 따른 영상 내의 안개 제거 방법을 나타낸 순서도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
또한, 명세서에 기재된 "…부", "…유닛", "…모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 본 발명의 일 실시예에 따른 안개 제거 기능을 수행하는 영상 처리 장치의 구성을 개략적으로 나타낸 도면이고, 도 2 및 도 3은 본 발명의 일 실시예에 따른 다크 채널 이미지(Dark Channel Image) 생성 과정을 나타낸 도면이다. 도 4는 본 발명의 일 실시예에 따른 입력 영상과 다크 채널 이미지를 대비한 도면이고, 도 5a 및 도 5b는 본 발명의 일 실시예에 따른 안개가 포함된 영상(Haze Image)와 다크 채널 이미지를 대비한 도면이다. 도 6은 종래 기술에 따른 전달량(transmission) 추정 결과를 도시한 도면이고, 도 7은 종래기술에 따른 비최적화된 전달맵을 이용한 안개 제거 결과를 나타낸 도면이다. 도 8은 본 발명의 일 실시예에 따른 비최적화된 전달맵을 이용한 안개 제거 결과를 나타낸 도면이고, 도 9는 종래기술에 따른 안개 제거 결과와 본 발명의 일 실시예에 따른 안개 제거 결과를 대비한 도면이며, 도 10은 본 발명의 일 실시예에 따른 장면 래디언스(scene radiance)를 생성하기 위한 입력 영상과 전달맵을 나타낸 도면이다. 도 11은 본 발명의 일 실시예에 따른 MBHEPL 알고리즘을 적용한 결과의 히스토그램을 나타낸 도면이고, 도 12는 본 발명의 일 실시예에 따른 히스토그램 재설정 과정을 나타낸 도면이며, 도 13은 본 발명의 일 실시예에 따른 안개 제거 방법을 적용한 경우의 입력 영상과 복원 영상을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 안개 제거 기능을 구비한 영상 처리 장치는 안개 검출 유닛(110), 안개 제거 유닛(120) 및 콘트라스트 개선(contrast enhancement) 유닛(130)을 포함할 수 있다.
안개 검출 유닛(110)은 입력 영상에서 각 픽셀의 RGB 값의 분석을 통해 다크 채널 프라이어(dark channel prior)를 생성하는 다크 채널 프라이어 생성부(112) 및 누적확률분포(CDF, Cumulative Distribution Function) 분석을 통해 안개 및 연무의 존재 여부를 판단하는 CDF 분석부(114)를 포함할 수 있다.
다크 채널 프라이어는 영상에 포함된 안개를 제거하기 위해 제안된 방법이다. 안개가 없는 깨끗한 영상의 각 화소에 대하여 각 화소를 중심으로 일정 크기의 패치(patch) 내의 몇몇 화소는 적어도 하나의 컬러 채널이 매우 작은 값인 0에 가까운 값을 가지며, 이는 하기 수학식 2와 같이 표현될 수 있다.
Figure 112012061511843-pat00006
여기서, Jdark는 영상 J의 화소 x에 대한 다크 채널 프라이어, Jc는 영상의 각 채널, Ω(x)는 화소 x를 중심으로 한 패치를 나타낸다.
도 2에는 원본 입력 영상에서 각 픽셀의 RGB 최소값으로 구성된 영상이 도시되어 있으며, 도 2에 도시된 바와 같이 각 픽셀의 RGB 최소값으로 구성된 영상은 그레이(gray) 성분만 존재함을 확인할 수 있다.
또한 도 3에는 입력 영상에서 각 픽셀의 RGB 최소값만으로 이루어진 영상을 이용하여 다크 채널 이미지(dark channel image)를 생성한 과정이 도시되어 있다. 즉, 일정한 구간의 원본 입력 영상에서 각 픽셀의 RGB 최소값으로 구성된 영상을 나타낸 도면으로, 도 3은 y점을 중심으로 일정 구간 예를 들어 15x15 블록 내에서의 최소값만을 이용하여 생성한 영상이다.
이와 같이, 일정 구간의 원본 입력 영상에서 각 픽셀의 RGB 최소값으로 구성된 영상은 도 4에 도시된 바와 같이, 안개가 없는 원본 영상에 대한 다크 채널 이미지에서는 밝기 성분이 거의 나타나지 않음을 확인할 수 있다. 참고로, 안개가 없는 원본 영상에 대한 다크 채널 이미지의 히스토그램을 분석해보면, 영상 픽셀의 밝기값 0(즉, 검정색) 내지 255(즉, 흰색) 중 히스토그램의 약 86%가 [0, 16]사이에 존재하는 것으로 알려져 있다.
도 5a 및 도 5b는 안개가 존재하는 원본 영상의 다크 채널 이미지를 나타낸다. 도 5a 및 도 5b에 도시된 바와 같이, 원본 영상에서 안개가 존재하는 부분은 다크 채널 이미지에서 뿌옇게 나타나며, 이에 비해 숲과 같이 안개가 존재하지 않는 부분은 상대적으로 검은색으로 나타난다.
전술한 분석을 토대로 다크 채널 프라이어 생성부(112)는 입력 영상의 다크 채널 프라이어를 생성하고, CDF(누적확률분포) 분석부(114)는 생성된 다크 채널 프라이어(또는 다크 채널 이미지)를 이용하여 영상의 누적확률분포(CDF, Cumulative Distribution Function)를 산출한다. 다크 채널 프라이어를 이용하여 영상의 누적확률분포를 산출하는 구체적인 방법은 당업자에게 자명한 사항이므로 이에 대한 설명은 생략한다.
또한, CDF 분석부(114)는 산출된 누적확률분포가 픽셀 밝기 값의 [0, 64] 내에 90% 이상으로 존재하면 안개가 없는 원본 영상인 것으로 판단할 수 있고, 안개가 없는 원본 영상인 것으로 판단되면 후술되는 안개 제거 유닛(120)의 안개 제거 처리는 생략된다. 여기서, CDF 분석부(114)가 판단하는 픽셀 밝기값 조건의 상한값인 64는 예를 들어 디폴트(default)로 설정될 수도 있으나, 사용자에 의해 수정 변경될 수도 있다.
참고로, 영상의 밝기값은 0 내지 255까지 존재하고 각각의 히스토그램을 구하여, 각 히스토그램 분포에 전체 픽셀수를 나누면 확률밀도함수(PDF, Probability Density Function)이 산출되고, 확률밀도함수를 누적한 것이 누적확률분포이다. 누적확률분포의 값은 확률의 합이므로 1이되며, 픽셀 밝기값의 [0, 64] 내의 누적확률분포가 90%라는 의미는 영상 픽셀수의 90% 이상이 0 내지 64 사이의 픽셀 밝기값을 가짐을 의미한다. 픽셀 밝기값은 0에 가까워질수록 어두어워지며 255에 가까워질 수록 밝아진다. 도 4에 예시된 다크 채널 이미지의 경우 안개가 없는 영상으로서 영상의 밝은 부분이 거의 없는 것을 확인할 수 있으나, 이에 비해 도 5a에 예시된 다크 채널 이미지는 안개가 존재하는 영상에 대한 것으로 대부분의 영역이 밝은 부분으로 구성됨을 확인할 수 있다.
다시 도 1을 참조하면, 안개 제거 유닛(120)은 안개가 존재하는 원본 영상에 대한 다크 채널 프라이어를 기초로 원본 영상의 안개값(A, 수학식 1 참조)를 추정하는 안개값 추정부(122)와, 추정된 안개값을 기초로 각 픽셀에 대응하여 산출된 전달량(transmission)으로 이루어진 전달맵을 산출하고 추정된 안개값과 산출된 전달맵을 이용하여 안개가 제거된 복원 영상을 생성하는 안개 제거부(124)를 포함한다.
안개값 추정부(122)는 입력 영상의 가장 불투명한 픽셀로부터 안개값(A)을 추정할 수 있으며, RGB 채널마다 다른 값으로 추정할 수 있다. 예를 들어, 안개값 추정부(122)는 입력 영상에 대한 다크 채널 프라이어에서 0.1%의 밝기값을 가지는 픽셀들을 선택하고, 선택된 화소들 중에서 가장 큰 밝기값을 가지는 픽셀을 입력 영상의 안개값으로 결정할 수 있다. 물론 어느 정도의 밝기값을 가지는 픽셀들을 선택할 것인지는 사용자에 의해 수정 설정될 수도 있을 것이다.
안개 제거부(124)는 안개가 제거된 복원 영상을 생성하기 위해 각 픽셀에 대응하여 산출된 전달량(transmission)으로 이루어진 전달맵을 산출한다. 이하, 안개 제거부(124)가 전달맵을 산출하는 과정을 설명한다.
전술한 수학식 1에서 전달량(transmission) e- kd (u,v)는 입력 영상에서 장면 래디언스와 안개값이 어느 정도 비율로 이루어져 있는지를 나타내는 값으로, t(u, v)로 대체하여 표현하면, 전술한 수학식 1은 하기 수학식 3과 같이 표현될 수 있다.
Figure 112012061511843-pat00007
전달량 t(u,v)을 산출하기 위해, 수학식 3은 하기 수학식 4와 같이 정규화(normalization)될 수 있다.
Figure 112012061511843-pat00008
또한 수학식 4는 안개 검출 유닛(110)으로부터 제공되는 다크 채널 프라이어(또는 다크 채널 이미지)를 이용하기 위해 min 연산자를 사용하여 하기 수학식 5와 같이 표현될 수 있다.
Figure 112012061511843-pat00009
여기서,
Figure 112012061511843-pat00010
는 안개가 없는 영상의 다크 채널 프라이어로서, 안개가 없는 영상의 다크 채널 프라이어는 앞서 설명한 바와 같이 0에 가까운 값을 가지므로, 이를 0으로 간주함으로써 전달량(t, transmission) 산출 공식은 하기 수학식 6으로 간략화될 수 있다.
Figure 112012061511843-pat00011
그러나, 수학식 6에 의해 산출되는 각 픽셀에 대한 전달량은 일정 크기의 패치 Ω(x)를 기반으로 하는 것이므로 입력 영상과 완전히 일치하지는 않는다.
그 결과, 수학식 6에 따른 전달량(transmission) 추정 결과가 제시된 도 6에 도시된 바와 같이 다크 채널 프라이어와 영상의 에지가 완벽하게 일치하지 않는 블록 현상이 발생되는 문제점이 있다.
또한 수학식 6에 의해 산출된 전달량을 이용하여 안개가 제거된 복원 영상이 도 7에 예시되어 있다. 도 7에 도시된 바와 같이, 최적화되지 않은 전달량을 이용하여 생성된 복원 영상의 경우 안개는 제거될 수 있을지라도 영상의 엣지(edge) 부분이 뿌옇게 보이는 후광효과(Halo effect)가 발생됨을 확인할 수 있다.
이에, 본 출원인은 간단하면서도 효과적인 성능이 획득될 수 있도록 최적화된 전달량(t) 산출 공식을 하기 수학식 7과 같이 제안한다.
Figure 112012061511843-pat00012
여기서, t는 전달량(transmission)이고, p는 전달량의 가중치로서 예를 들어 0.6 내지 0.98의 범위 중 임의의 값으로 결정될 수 있으며 p값을 조정하여 안개 제거의 정도를 조절할 수 있다. 또한 Ac는 입력 영상의 각 채널에서의 안개값이고, fog_est는 입력 영상의 최소 필터(min filter) 값인 w와 w에 중간값 필터(median filter)를 적용한 w*의 최소값을 의미한다. 즉, fog_est, w 및 w*는 하기 수학식 8과 같이 표현될 수 있다.
Figure 112012061511843-pat00013
수학식 7 및 8에 표현된 바와 같이, 본 실시예에서 제시하는 최적화된 전달량 산출 방법은 다크 채널 프라이어를 사용하지 않고, nxm 블록 크기의 중간값 필터를 사용한다. 여기서, 필터의 크기는 메모리와 연산량을 고려하여 결정할 수 있으며, 예를 들어 수학식 8에 예시된 바와 같이 15x5의 크기로 결정될 수 있다. 참고로, 도 8은 최적화된 전달량 산출 방법을 적용하는 경우 각 단계별 결과 영상을 나타낸다. 본 실시예에 따른 최적화된 전달량 산출 방법을 적용하는 경우 전술한 블록 현상이 나타나지 않는 특징이 있다.
또한 수학식 7 및 8에 의해 산출된 최적화된 전달량을 이용하여 복원 영상을 생성하는 경우, 도 8 및 도 9의 (b)에 도시된 바와 같이 복원 영상의 엣지 부분이 뿌옇게 나타나는 후광효과가 발생되지 않음을 확인할 수 있다. 참고로, 도 9의 (a)는 앞서 도 6을 참조하여 설명한 비최적화된 전달량을 이용하여 복원 영상을 생성한 경우 후광효과가 발생된 경우를 나타낸다.
안개 제거부(124)는 안개값 추정부(122)에 의해 추정된 안개값(A)와 전술한 과정에 의해 산출된 최적화된 전달량을 이용하여 안개가 제거된 복원 영상을 생성할 수 있다.
복원 영상을 생성하기 위하여 전술한 수학식 1을 복원 영상을 중심으로 재정리하면 하기 수학식 9와 같다.
Figure 112012061511843-pat00014
여기서, R(u,v)는 안개가 제거된 상태를 나타내는 장면 래디언스(scene radiance)로서 복원 영상으로서 도 10의 (a)로 예시될 수 있고, I(u,v)는 카메라를 통해 획득되어 안개가 포함된 입력 영상으로서 도 10의 (b)로 예시될 수 있으며, e-kd(u,v)는 입력 영상의 각 화소에 대응하여 산출된 전달량(transmission)으로서 도 10의 (c)로 예시될 수 있다. 또한 A는 입력 영상의 안개값(Air light)이다.
다시 도 1을 참조하면, 콘트라스트 개선 유닛(130)은 안개 제거 유닛(120)에 의해 안개가 제거된 복원 영상의 색공간을 변환하는 색공간 변환부(132)와 히스토그램을 고르게 분포되도록 하되 밝은 부분이 빛 포화되지 않도록 처리하는 히스토그램 재설정부(134)를 포함한다.
앞서 설명한 안개 제거 유닛(120)은 입력 영상에 포함된 안개 성분을 제거하는 기능을 수행하지만 안개 제거 유닛(120)에 의한 결과 영상은 전체적으로 어두운 밝기를 가지고 화이트밸런스(white balance)가 맞지 않는 현상이 발생된다.
즉, 입력 영상(original image)과 안개가 제거된 복원 영상(fog removed image)의 히스토그램이 도시된 도 11을 참조하면, 안개가 낀 영상인 입력 영상에 비해 안개가 제거된 복원 영상의 히스토그램이 전체적으로 왼쪽으로 이동되어 전체적으로 영상이 어두워짐을 확인할 수 있다.
콘트라스트 개선 유닛(130)은 HE(Histogram Equalization) 기반의 MBHEPL(Modified Bi-Histogram Equalization median Plateau Limit) 알고리즘을 이용하여 히스토그램이 고르게 분포되도록 하되 밝은 부분은 빛이 포화되지 않도록 처리한다. 본 실시예에서 설명되는 MBHEPL 알고리즘은 Chen Hee의 논문 "Adaptive contrast enhancement methods with brightness preserving"에서 제시된 BHEPL(Bi-Histogram Equalization median Plateau Limit) 알고리즘을 안개가 제거된 복원 영상에 적합하도록 수정 및 개선한 것이다.
이하 관련 도면을 참조하여 MBHEPL 알고리즘을 이용한 콘트라스트 개선 유닛(130)의 처리 과정을 관련 도면을 참조하여 설명한다.
색공간 변환부(132)는 MBHEPL 알고리즘이 HSL 색공간에서 적용되기 때문에 안개 제거 유닛(120)의 결과 영상인 RGB 색공간의 복원 영상을 HSL 색공간의 영상으로 변환한다. HSL 색공간에서 MBHEPL 알고리즘을 적용하면 L 성분(Lightness, 밝기 성분)만 HE(Histogram Equalization) 처리시 사용하여 연산량을 감소시킬 수 있고, L 성분의 변화에 따른 H 성분(Hue, 색조 성분) 및 S 성분(Saturation, 선명함)의 변화가 미미할 수 있는 장점이 있다.
히스토그램 재설정부(134)는 MBHEPL 알고리즘을 이용하여 복원 영상의 히스토그램 분포를 재설정한다. 즉, 안개가 제거된 복원 영상에서 L 성분의 히스토그램을 산출하고, 히스토그램의 기준이 되는 기준 밝기(m, 도 12 참조)를 설정하여 기준 밝기보다 낮은 밝기를 가지는 제1 부분과 기준 밝기보다 높은 밝기를 가지는 제2 부분으로 나눈 후, 각 부분의 중간 밝기를 설정하여 히스토그램 분포를 재설정한다. 히스토그램의 분포를 재설정함으로써 영상의 콘트라스트를 조절할 수 있고, 밝은 부분과 어두운 부분의 히스토그램을 여러 단계로 세밀하게 나누어 콘트라스트 조절이 수행될 수 있다.
기준 밝기(m)는 산출된 누적확률분포(CDF)가 지정된 범위를 넘을 때의 밝기 값을 사용할 수 있으며, 예를 들어 다음과 같은 방법으로 결정될 수 있다.
/*Histogram*/
for x=1:1:rows{ for y=1:1:cols{
L_hist(L_img(x,y)+1)=L_hist(L_img(x,y)+1)+1; // L`s components Histogram } }
n_L=sum(L_hist(1:256)); // total number of L`s components Histogram
pdf_L = L_hist(1:256)/n_L; // estimating L`s components pdf
/*CDF*/
cdf_L(1)=pdf_L(1);
for i=2:256
{cdf_L(i)=cdf_L(i-1)+pdf_L(i);}
//ratio는안개정도의비율 0.6~ 0.98, default: 0.90
run =1; // running parameter ,설정된비율을넘어서면연산종료
for i=1:256
{ if((cdf_L(i)>ratio)&&(run==1)) {m = i;run =0;} }
도 12의 (b)에는 히스토그램의 기준이 되는 기준밝기보다 어두운 제1 부분과 기준 밝기보다 밝은 제2 부분 각각에서 중간 밝기를 설정하여 히스토그램 분포를 재설정하는 방법이 도시되어 있으며, 이는 하기 수학식 10과 같다.
Figure 112012061511843-pat00015
여기서, PL은 기준 밝기값(m)보다 낮은 밝기를 가지는 구간에서 입력된 밝기값(Xk)(즉, HSL 성분 중 L값)에 대한 히스토그램의 중간값이고, PU는 기준 밝기값(m)보다 높은 밝기를 가지는 구간에서 입력된 밝기값(Xk)(즉, HSL 성분 중 L값)에 대한 히스토그램의 중간값이다.
수학식 10에 의해 산출된 PL, PU의 과도한 화질강화(over-enhancement) 및 영상 강도 포화(intensity saturation)의 문제점을 방지하기 위해 하기 수학식 11과 같이 각 구간의 히스토그램 분포를 재설정한다.
Figure 112012061511843-pat00016
여기서, HCL(Hk)는 기준 밝기값(m)을 기준으로 [0, m]의 구간에서 재설정된 히스토그램이고, HCU(Hk)는 기준 밝기값(m)을 기준으로 [m+1, 255]의 구간에서 재설정된 히스토그램이다.
전술한 수학식 10 및 11에 의해 생성된 재분배된 히스토그램 HCL(Hk) 및 HCU(Hk)을 이용하여 최종적으로 적응적 콘트라스트 개선(adptive contrast enhancement)된 결과는 하기 수학식 12와 같다.
Figure 112012061511843-pat00017
여기서, YL과 YU는 HCL(Hk) 또는 HCU(Hk)를 이용하여 최종적으로 콘트라스트가 조절된 HSL 성분 중 L값을 나타내고, L(x,y)는 입력 밝기값이며, MCL은 [0, m] 구간에서의 히스토그램 성분(hL(Xk))의 합이고, MCU는 [m+1, 255(즉, L-1)] 구간에서의 히스토그램 성분(hU(Xk))의 합이다.
전술한 안개 제거 및 콘트라스트 개선 처리 결과가 도 13에 도시되어 있으며, 도 13을 참조하면 후광현상의 발생없이 어두운 부분 및 밝은 부분을 세세하게 나누어 콘트라스트가 강조된 결과 영상을 획득할 수 있음을 확인할 수 있다.
도 14는 본 발명의 일 실시예에 따른 영상 내의 안개 제거 방법을 나타낸 순서도이다. 이하 설명될 각 단계에 대한 구체적인 설명은 앞서 관련 도면을 참조하여 상세히 설명되었으므로, 여기서는 각각에 대한 구체적인 설명은 생략한다.
도 14를 참조하면, 안개 검출 유닛(110)은 단계 1410에서 안개성분이 포함된 입력영상에 상응하는 다크 채널 프라이어(dark channel prior)를 생성한다.
안개 검출 유닛(110)은 입력영상의 각 픽셀에 대응하는 다크 채널 프라이어 값을 산출하기 위해 각 픽셀을 중심으로 하는 일정 크기의 패치에 포함된 픽셀에 대한 컬러채널 값들 중 최소값을 각각 선택할 수 있다.
이어서 안개 검출 유닛(110)은 단계 1420에서 생성된 다크 채널 프라이어를 이용하여 누적확률분포를 산출하고 산출된 누적확률분포가 미리 지정된 기준(예를 들어, 산출된 픽셀의 밝기값이 [0, 64] 내에 90% 이상 존재하는지 여부)을 만족하는지 판단한다. 만일 해당 기준을 만족하는 경우라면 안개가 포함되지 않은 입력영상인 것으로 판단하여 이하의 과정 전체 또는 단계 1430 내지 단계 1450의 수행을 생략할 수 있다.
안개 제거 유닛(120)은 단계 1430에서 다크 채널 프라이어를 이용하여 입력 영상의 안개값을 추정하고, 단계 1440에서 입력 영상에 포함된 안개 성분의 제거를 위해 최적화된 전달량을 산출한 후, 단계 1450에서 추정된 안개값 및 산출된 전달량을 이용하여 입력 영상으로부터 안개 성분이 제거된 복원 영상을 생성한다. 최적화된 전달량 산출 방법 및 복원 영상 생성 방법은 앞서 수학식 7 등을 참조하여 이미 구체적으로 설명하였으므로, 이에 대해 중복되는 설명은 생략한다.
단계 1460에서 콘트라스트 개선 유닛(130)은 안개 제거 유닛(120)에 의한 복원 영상을 HSL 색공간의 복원 영상으로 변환하고, 복원 영상에 대한 적응적 콘트라스 개선을 수행하여 선명화 처리된 복원 영상을 출력한다.
상술한 영상내의 안개 제거 방법은 디지털 처리 장치에 내장되거나 설치된 프로그램 등에 의해 시계열적 순서에 따른 자동화된 절차로 수행될 수도 있음은 당연하다. 상기 프로그램을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 프로그램은 디지털 처리 장치가 읽을 수 있는 정보저장매체(computer readable media)에 저장되고, 디지털 처리 장치에 의하여 읽혀지고 실행됨으로써 상기 방법을 구현한다. 상기 정보저장매체는 자기 기록매체, 광 기록매체 및 캐리어 웨이브 매체를 포함한다.
상기에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
110 : 안개 검출 유닛
112 : 다크 채널 프라이어 생성부
124 : CDF 분석부
120 : 안개 제거 유닛
122 : 안개값 추정부
124 : 안개 제거부
130 : 콘트라스트 개선 유닛
132 : 색공간 변환부
134 : 히스토그램 재설정부

Claims (11)

  1. 영상 처리 장치에 있어서,
    안개 성분이 포함된 입력 영상에 상응하는 다크 채널 프라이어(dark channel prior)를 생성하는 안개 검출 유닛;
    상기 다크 채널 프라이어를 이용하여 미리 지정된 기준에 따른 안개값을 산출하고, 상기 산출된 안개값을 기초로 상기 입력 영상에 포함된 안개 성분을 제거하기 위한 전달량(transmission)을 산출하며, 상기 안개값 및 상기 전달량을 이용하여 상기 입력 영상에서 안개 성분이 제거된 복원 영상을 생성하는 안개 제거 유닛; 및
    MBHEPL 알고리즘을 이용하여 상기 복원 영상에 대한 콘트라스트를 재설정 처리하는 콘트라스트 개선 유닛을 포함하는 영상 처리 장치.
  2. 제1항에 있어서,
    상기 전달량은 수학식
    Figure 112012061511843-pat00018
    에 의해 산출되되,
    상기 t는 전달량을 나타내고, p는 전달량의 가중치이며, Ac는 입력 영상의 각 채널에서의 안개값이고, fog_est는 입력 영상의 최소 필터(min filter) 값(w)과 상기 최소 필터값에 중간값 필터(median filter)를 적용한 결과값(w*) 중 최소값인 것을 특징으로 하는 영상 처리 장치.
  3. 제1항에 있어서,
    상기 전달량은 수학식
    Figure 112013080029018-pat00037
    에 의해 산출되되,
    상기 t는 전달량을 나타내고, p는 전달량의 가중치이며, Ac는 입력 영상의 각 채널에서의 안개값이고,
    fog_est는 입력 영상의 최소 필터(min filter) 값(w)과 상기 최소 필터값에 중간값 필터(median filter)를 적용한 결과값(w*) 중 최소값과 0 중 최대값을 이용하는 수학식
    Figure 112013080029018-pat00019
    에 의해 산출되는 것을 특징으로 하는 영상 처리 장치.
  4. 제1항에 있어서,
    상기 안개 제거 유닛은 RGB 색공간에서 상기 입력 영상에 대한 안개 성분 제거를 수행하고, 상기 콘트라스트 개선 유닛은 HSL 색공간에서 상기 입력 영상에 대한 콘트라스트 재설정을 수행하는 것을 특징으로 하는 영상 처리 장치.
  5. 제1항에 있어서,
    상기 안개 검출 유닛은 생성된 다크 채널 프라이어에 대한 누적확률분포(CDF, Cumulative Distribution Function)를 산출하고, 누적확률분포가 픽셀의 밝기값 0 내지 64의 범위에 적어도 90%가 존재하는 경우 안개 성분이 포함되지 않은 입력 영상인 것으로 판단하는 것을 특징으로 하는 영상 처리 장치.
  6. 영상 처리 장치에서 수행되는 영상 내의 안개 제거 방법에 있어서,
    안개 성분이 포함된 입력 영상에 상응하는 다크 채널 프라이어(dark channel prior)를 생성하는 단계 (a);
    상기 다크 채널 프라이어를 이용하여 미리 지정된 기준에 따른 안개값과 상기 입력 영상에 포함된 안개 성분을 제거하기 위한 전달량(transmission)을 각각 산출하는 단계 (b);
    상기 안개값 및 상기 전달량을 이용하여 상기 입력 영상에서 안개 성분이 제거된 복원 영상을 생성하는 단계 (c); 및
    MBHEPL 알고리즘을 이용하여 상기 복원 영상에 대한 콘트라스트를 재설정 처리하는 단계 (d)를 포함하는 영상 내의 안개 제거 방법.
  7. 제6항에 있어서,
    상기 전달량은 수학식
    Figure 112012061511843-pat00020
    에 의해 산출되되,
    상기 t는 전달량을 나타내고, p는 전달량의 가중치이며, Ac는 입력 영상의 각 채널에서의 안개값이고, fog_est는 입력 영상의 최소 필터(min filter) 값(w)과 상기 최소 필터값에 중간값 필터(median filter)를 적용한 결과값(w*) 중 최소값인 것을 특징으로 하는 영상 내의 안개 제거 방법.
  8. 제6항에 있어서,
    상기 전달량은 수학식
    Figure 112013080029018-pat00038
    에 의해 산출되되,
    상기 t는 전달량을 나타내고, p는 전달량의 가중치이며, Ac는 입력 영상의 각 채널에서의 안개값이고,
    fog_est는 입력 영상의 최소 필터(min filter) 값(w)과 상기 최소 필터값에 중간값 필터(median filter)를 적용한 결과값(w*) 중 최소값과 0 중 최대값을 이용하는 수학식
    Figure 112013080029018-pat00039
    에 의해 산출되는 것을 특징으로 하는 영상 내의 안개 제거 방법.
  9. 제6항에 있어서,
    상기 단계 (b) 및 (c)는 RGB 색공간에서 수행되고, 상기 단계 (d)는 HSL 색공간에서 수행되는 것을 특징으로 하는 영상 내의 안개 제거 방법.
  10. 제6항에 있어서,
    상기 다크 채널 프라이어에 대한 누적확률분포(CDF, Cumulative Distribution Function)를 산출하고, 누적확률분포가 픽셀의 밝기값 0 내지 64의 범위에 적어도 90%가 존재하는 조건을 만족하는지 판단하는 단계가 상기 단계 (b)에 선행하여 수행되되,
    상기 조건을 만족하지 않는 경우에만 상기 단계 (b) 및 (c)가 수행되는 것을 특징으로 하는 영상 내의 안개 제거 방법.
  11. 제6항 내지 제10항 중 어느 한 항에 기재된 영상 내의 안개 제거 방법을 수행하기 위하여 디지털 처리 장치에 의해 실행될 수 있는 명령어들의 프로그램이 기록된 기록매체.
KR1020120084271A 2012-08-01 2012-08-01 영상 처리 장치 및 영상 내의 안개 제거 방법 KR101361644B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120084271A KR101361644B1 (ko) 2012-08-01 2012-08-01 영상 처리 장치 및 영상 내의 안개 제거 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120084271A KR101361644B1 (ko) 2012-08-01 2012-08-01 영상 처리 장치 및 영상 내의 안개 제거 방법

Publications (2)

Publication Number Publication Date
KR20140017776A KR20140017776A (ko) 2014-02-12
KR101361644B1 true KR101361644B1 (ko) 2014-02-13

Family

ID=50266150

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120084271A KR101361644B1 (ko) 2012-08-01 2012-08-01 영상 처리 장치 및 영상 내의 안개 제거 방법

Country Status (1)

Country Link
KR (1) KR101361644B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101426298B1 (ko) 2014-01-24 2014-08-13 (주)인펙비전 안개 제거율을 높인 영상보정장치 및 방법
KR101547059B1 (ko) 2014-02-24 2015-08-25 창원대학교 산학협력단 영상의 안개 제거 방법 및 장치
WO2015176631A1 (zh) * 2014-05-19 2015-11-26 厦门美图之家科技有限公司 一种基于直方图均衡化的图像数据去雾方法
US9466097B2 (en) 2014-06-20 2016-10-11 Hyundai Motor Company Apparatus and method for removing fog in image
KR101705536B1 (ko) 2015-10-08 2017-02-10 목포해양대학교 산학협력단 카메라 영상기반 안개 제거 방법
KR101887043B1 (ko) 2017-05-26 2018-08-09 목포해양대학교 산학협력단 그래픽 프로세서를 이용한 병렬연산 기반 연무 제거 고속화 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102982513B (zh) * 2012-12-04 2015-08-19 电子科技大学 一种基于纹理的自适应图像去雾方法
CN104537623A (zh) * 2014-12-31 2015-04-22 深圳先进技术研究院 基于图像分割的图像去雾方法及装置
KR101582779B1 (ko) * 2015-07-17 2016-01-06 중앙대학교 산학협력단 영상의 파장 적응적 안개 제거 장치 및 방법
KR102300531B1 (ko) * 2015-09-18 2021-09-09 서강대학교산학협력단 영상 연무 제거 장치 및 영상 연무 제거 방법
CN105631831B (zh) * 2016-03-14 2018-07-27 北京理工大学 一种雾霾条件下视频图像增强方法
CN106599874B (zh) * 2016-12-26 2019-07-30 清华大学苏州汽车研究院（吴江） 一种基于视频分析的团雾探测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100109251A (ko) * 2009-03-31 2010-10-08 (주)원테크놀로지 카메라를 이용한 전광판 휘도조절장치 및 그 제어방법
KR20110050775A (ko) * 2009-11-09 2011-05-17 리누딕스 주식회사 Ｃｃｔｖ 영상 화질 개선 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100109251A (ko) * 2009-03-31 2010-10-08 (주)원테크놀로지 카메라를 이용한 전광판 휘도조절장치 및 그 제어방법
KR20110050775A (ko) * 2009-11-09 2011-05-17 리누딕스 주식회사 Ｃｃｔｖ 영상 화질 개선 장치

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101426298B1 (ko) 2014-01-24 2014-08-13 (주)인펙비전 안개 제거율을 높인 영상보정장치 및 방법
KR101547059B1 (ko) 2014-02-24 2015-08-25 창원대학교 산학협력단 영상의 안개 제거 방법 및 장치
WO2015176631A1 (zh) * 2014-05-19 2015-11-26 厦门美图之家科技有限公司 一种基于直方图均衡化的图像数据去雾方法
US9466097B2 (en) 2014-06-20 2016-10-11 Hyundai Motor Company Apparatus and method for removing fog in image
KR101705536B1 (ko) 2015-10-08 2017-02-10 목포해양대학교 산학협력단 카메라 영상기반 안개 제거 방법
KR101887043B1 (ko) 2017-05-26 2018-08-09 목포해양대학교 산학협력단 그래픽 프로세서를 이용한 병렬연산 기반 연무 제거 고속화 방법

Also Published As

Publication number Publication date
KR20140017776A (ko) 2014-02-12

Similar Documents

Publication Publication Date Title
KR101361644B1 (ko) 영상 처리 장치 및 영상 내의 안개 제거 방법
Galdran Image dehazing by artificial multiple-exposure image fusion
Shin et al. Radiance–reflectance combined optimization and structure-guided $\ell _0 $-Norm for single image dehazing
US9842382B2 (en) Method and device for removing haze in single image
Gibson et al. Fast single image fog removal using the adaptive Wiener filter
US8396324B2 (en) Image processing method and apparatus for correcting distortion caused by air particles as in fog
Negru et al. Exponential contrast restoration in fog conditions for driving assistance
KR101298642B1 (ko) 영상 잡음 제거 방법 및 장치
CN108537756B (zh) 基于图像融合的单幅图像去雾方法
US9324153B2 (en) Depth measurement apparatus, image pickup apparatus, depth measurement method, and depth measurement program
KR101426298B1 (ko) 안개 제거율을 높인 영상보정장치 및 방법
US11526963B2 (en) Image processing apparatus, image processing method, and storage medium
CN112508815A (zh) 模型的训练方法和装置、电子设备、机器可读存储介质
Yousaf et al. Single Image Dehazing and Edge Preservation Based on the Dark Channel Probability‐Weighted Moments
US9258490B2 (en) Smoothing of ghost maps in a ghost artifact detection method for HDR image creation
Wang et al. Haze removal algorithm based on single-images with chromatic properties
Fuh et al. Mcpa: A fast single image haze removal method based on the minimum channel and patchless approach
CN112825189B (zh) 一种图像去雾方法及相关设备
van Zyl Marais et al. Robust defocus blur identification in the context of blind image quality assessment
EP3070669A1 (en) Method and apparatus for color smoothing in an alpha matting process
Banerjee et al. Bacterial foraging-fuzzy synergism based image Dehazing
Negru et al. Exponential image enhancement in daytime fog conditions
Shi et al. Deep quality assessment toward defogged aerial images
Haouassi et al. An efficient image haze removal algorithm based on new accurate depth and light estimation algorithm
CN112752064A (zh) 电力通信光缆监控视频的处理方法和系统

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180129

Year of fee payment: 5